XiaoMi-AI文件搜索系统
World File Search System受大
用于描述和模拟橡胶承受大拉伸载荷的超弹性模型
目的：橡胶广泛用于轮胎、机械零件和需要弹性的用户产品。一些基本特性仍未解决，主要是它们在过度机械性能中发挥作用。需要研究弹性橡胶在高动态压力和高拉伸强度下的性能。这些弹性体旨在增加应力断裂并保持高压拉伸强度。设计/方法/方法：本研究对炭黑聚合物基质对不同橡胶拉伸特性的影响进行了数值研究。使用每百份橡胶 (pphr) 三种不同百分比（80%、90% 和 100%）的炭黑填料部分来测量橡胶的材料特性。结果：本研究发现，随着炭黑填料比例增加 30%，拉伸强度和伸长率会增强。实际意义：本研究在四种超弹性模型中对橡胶进行了实验测试：Ogden 模型、Mooney-Rivlin 模型、Neo Hooke 模型、Arruda-Boyce 模型，使用有限元法 (FEM) 获得模拟材料响应的参数，以供比较。这四种模型已广泛应用于橡胶研究。超弹性模型已用于预测拉伸试验曲线——弹性体橡胶模型的准确描述和预测。对于四种模型，Abaqus 的 FEA 包中使用了弹性体材料拉伸数据。在预测选择合适模型的适应性时计算了相对百分比误差——弹性体橡胶模型的准确描述和预测。对于四种模型，Abaqus 的 FEA 包中使用了弹性体材料拉伸数据。在预测选择合适模型的适应性时计算了相对百分比误差。数值 Ogden 模型结果表明，大应变情况下的相对适应性误差为 1% 至 2.04%。原创性/价值：相比之下，其他模型估计参数的拟合误差从 2.3% 到 49.45%。这四个超弹性模型是拉伸试验模拟，目的是
受大脑启发的计算——我们需要一个总体规划。
主要问题 我们的现代计算系统消耗了太多能源。它们不是日益成为我们日常生活一部分的复杂人工智能 (AI) 应用程序的可持续平台。我们通常看不到这种情况，特别是在基于云的系统的情况下，因为我们通常更关心它们的功能——它们有多快；有多准确；每秒有多少个并行操作？我们已经习惯了几乎即时地获取信息，以至于我们不会考虑计算系统为我们提供这种访问时对能源和环境的影响。然而，每次谷歌搜索都有成本：数据中心目前每年使用约 200 太瓦时的能源，预计到本世纪末将增长约一个数量级 1 。诚然，并非所有数据密集型计算都需要机器学习 (ML) 或人工智能，但我们看到人工智能的部署如此广泛，以至于我们必须关注其环境成本。我们还应该考虑物联网 (IoT) 和自主机器人代理等应用程序，它们可能不需要总是启用人工智能，但仍必须降低其能耗。如果无数联网设备的能源需求过高，物联网的愿景就无法实现。最近的分析表明，对计算能力的需求增长远远超过了摩尔定律 2 所带来的改进。计算能力需求现在每两个月翻一番（图 1a）。尽管如此，通过智能架构和软件硬件协同的结合，已经取得了显著的进步。
HDTest：受大脑启发的超维计算的差分模糊测试
摘要 — 受脑启发的超维计算 (HDC) 是一种新兴的计算范式，它模仿大脑认知并利用具有完全分布式全息表示和（伪）随机性的超维向量。与深度神经网络 (DNN) 等其他机器学习 (ML) 方法相比，HDC 具有高能效、低延迟和一次性学习等优势，使其成为广泛应用的有前途的替代候选者。然而，HDC 模型的可靠性和稳健性尚未得到探索。在本文中，我们设计、实现和评估 HDTest 以通过在罕见输入下自动暴露意外或不正确的行为来测试 HDC 模型。HDTest 的核心思想基于引导式差分模糊测试。在 HDC 中查询超向量和参考超向量之间的距离的引导下，HDTest 不断变异原始输入以生成可能触发 HDC 模型不正确行为的新输入。与传统的 ML 测试方法相比，HDTest 不需要手动标记原始输入。以手写数字分类为例，我们表明 HDTest 可以生成数千个对抗性输入，这些输入的干扰可以忽略不计，可以成功欺骗 HDC 模型。平均而言，HDTest 在一台商用计算机上运行一分钟内可以生成大约 400 个对抗性输入。最后，通过使用 HDTest 生成的输入重新训练 HDC 模型，我们可以增强 HDC 模型的稳健性。据我们所知，本文首次尝试系统地测试这种新兴的受大脑启发的计算模型。
van de Ven GM、Siegelmann HT、Tolias AS (2020) 受大脑启发的重放，用于通过人工神经网络进行持续学习。《自然通讯》，11：4069。
生成重放：Shin 等人，2017 NeurIPS 突触智能 (SI)：Zenke 等人，2017 ICML 弹性权重合并 (EWC)：Kirckpatrick 等人，2017 PNAS 不遗忘学习 (LwF)：Li & Hoiem，2017 IEEE T 模式分析上下文相关门控 (XdG)：Masse 等人，2018 PNAS
受大脑恐惧和冲突系统启发的冲突监控优化启发式方法
本文探讨了一种受大脑启发的进化优化算法设计方法。该方法被称为冲突监控优化，其灵感来自大脑中的两个相关过程，即冲突监控和恐惧处理系统。首先，讨论了优化元启发式算法的当前问题并解决了挑战。随后，本文从三个不同方面简要回顾了研究人员在大脑危险处理（恐惧）系统方面的工作。然后，推导并检验了基于恐惧系统模型的模型。接下来，前扣带皮层在信息冲突监控中的作用被用作对所提算法的认可印章。最后，对最终确定的算法进行了修改，采用突变参数来强化模型的进化方面。在提出任意子程序后，使用 20 个维度长度为 3、10 和 50 的基准函数检验了所提出的算法。将评估结果与众所周知的元启发式算法进行了 50 次不同的运行比较，然后讨论了其在不同函数类型上的有效性。
大规模无线网络中灵活的、受大脑启发的通信
摘要：本文提出了在未来大规模网络中使用灵活的、受大脑启发的模拟和数字无线传输的新视角。受人类大脑中高度节能的神经脉冲传输机制的启发，我们从节能的角度考虑了非常短距离的灵活无线模拟和数字传输。考虑到电路功耗模型，比较了可用传输模式的能效指标。为了比较所考虑的系统，我们假设传输的数据来自模拟传感器。在数字传输方案的情况下，解码后的数据在接收端转换回模拟形式。此外，分析了文献中的不同功耗模型和具有不同性能的数字传输方案，以检查对于某些应用和某些信道条件，模拟传输是否可以成为数字通信的节能替代方案。模拟结果表明，在某些情况下，模拟或简化数字通信比采用 QAM 调制的数字传输更节能。
开发用于铁路飞轮储能系统的可承受大负载的超导磁轴承
山梨县的米仓山光伏电站已经演示了使用高温超导磁轴承 (SMB) 的飞轮储能系统 (FESS) 的应用。为了将 FESS 作为一种能够防止取消再生制动的系统应用于铁路，必须增加其储能容量。因此，进行了高达 158 kN 的悬浮力试验和确定悬浮力蠕变特性的试验，以验证 SMB 悬浮力的裕度。此外，为了评估 SMB 悬浮和旋转特性在转速反复变化下的长期可靠性和耐久性，正在开发能够同时测试 SMB 悬浮和旋转状态的新型 SMB 测试设备。